langchain-ai/data-enrichment

这是什么？

核心功能

• 01将研究主题和 JSON Schema 转换为符合结构的结构化输出。
• 02使用 Tavily 进行网络搜索，并从读取的页面中提取信息。
• 03可在 LangGraph Studio 中运行，支持热重载和从历史状态重新执行。
• 04通过配置选择聊天模型并自定义提示词。
• 05支持以普通 Python 函数形式添加自定义工具，并增加图中的步骤。

适用场景

• 为销售或市场调研数据库整理带有属性字段的公司或供应商列表。
• 从公开网页收集信息，填充电子表格中的记录。
• 快速原型验证一个以固定 JSON 格式返回结果的研究型智能体。

快速上手

1. 1

   从示例文件创建 .env 文件

   cp .env.example .env
2. 2

   在 .env 文件中添加 Tavily API 密钥以及模型提供商（Anthropic 或 OpenAI）的密钥

3. 3

   在 LangGraph Studio 中打开该文件夹，输入 topic 和 extraction_schema

使用前须知

• !需要 Tavily API 密钥以及 Anthropic 或 OpenAI 的模型 API 密钥，且需注册账户。
• !运行依赖需单独安装的 LangGraph Studio。

标签

常见问题

data-enrichment 是什么？

基于 LangGraph Studio 的模板，用于构建通过网络检索生成或补全结构化数据的 LLM 智能体。 这是一个基于 LangGraph 的数据补全智能体模板。给定研究主题和 JSON Schema，智能体会自动检索网页、读取相关内容、提取关键信息，并整理成指定的结构化格式，适合需要把开放式网络调研结果写入数据库或表格的场景。

data-enrichment 可以免费使用吗？用的什么许可证？

data-enrichment 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

data-enrichment 还在维护吗？

活跃维护中。data-enrichment 最近一次提交是在 2026年11月5日。

data-enrichment 适合用来做什么？

为销售或市场调研数据库整理带有属性字段的公司或供应商列表。 从公开网页收集信息，填充电子表格中的记录。 快速原型验证一个以固定 JSON 格式返回结果的研究型智能体。

data-enrichment 怎么安装和运行？

从示例文件创建 .env 文件: cp .env.example .env 在 .env 文件中添加 Tavily API 密钥以及模型提供商（Anthropic 或 OpenAI）的密钥 在 LangGraph Studio 中打开该文件夹，输入 topic 和 extraction_schema

在哪里获取 data-enrichment？

源代码和安装说明在 GitHub 上：https://github.com/langchain-ai/data-enrichment